폐결핵 컴퓨터 단층촬영(CT) 영상은 잡음 간섭, 병변 특성 약화 및 3차원 공간 정보 활용 부족과 같은 문제로 인해 분류 성능에 영향을 미친다. 이러한 문제를 해결하기 위해 영상 강화와 다차원 특징 학습을 융합한 폐결핵 CT 3분류 방법을 제안한다. 본 방법은 다중 스케일 8방향 이방 확산 강화와 점진적 Noise2Fast(N2F) 잡음 제거 공동 전처리 전략을 채택하여 병변 텍스처 가시성을 향상시키며, 이후 경량화된 Parallel Representation with Iterative Spatial Multi-view Fusion Network(PRISM-Net)를 구축한다. PRISM-Net은 반복적 다중 시점 융합 전략(IMVF)을 통해 다양한 공간 방향의 보완 정보를 탐색하고, 다차원 주의 모듈(MDAM)을 도입하여 3차원 특징 표현 능력을 강화한다. 150례 독립 테스트 세트에서 검증한 결과, 제안 방법의 정밀도는 94.68%, 가중치 F1 값은 94.63%에 달했으며 정상, 활성 및 비활성 폐결핵 범주의 AUC는 각각 1.0000, 0.9926 및 0.9923으로 MambaOut-Kobe, MobileNetV3, MedVit 및 ResNet50 등의 모델보다 우수한 성능을 보였다.

폐결핵 분류; 영상 강화; 다중 시점 융합; 다차원 주의 메커니즘; 3D 합성곱 신경망